推荐系统的召回模块，主要目的是尽可能多维度、相对准确地找到和用户可能相关的物品候选集。召回算法可以粗略地分为基于行为的和基于画像的召回，而行为又可以细分为“行为+行为相似度”和“行为+内容相似度”，画像又可细分为人口统计学类的画像和用户偏好类的画像。
    召回时不仅仅关注相关性，还关注召回物品的质量。为用户提供深层次的交互是推荐系统的价值所在，这是关注质量的原因。
    其中，召回中有以下计算相关性的路径：

    1. 直接计算用户与物品的相关性
    2. 用户与物品的相关性+物品与物品的相关性
    3. 用户与用户的相关性+用户到物品的行为权重
    4. 用户与标签的相关性+标签与物品的相关性